„IoT vs. Edge Computing" – kaum ein Begriffspaar wird so oft gegeneinander gestellt. Dabei sind die beiden gar keine Konkurrenten: Das eine erzeugt Daten, das andere verarbeitet sie näher an der Quelle.
IoT ist das Was, Edge Computing ist das Wo.
Das Internet of Things (IoT) beschreibt die Welt der vernetzten Dinge: Sensoren, Kameras, Maschinen, Ihre smarte Kaffeemaschine, der Schrittzähler am Handgelenk. Edge Computing beschreibt dagegen einen Ort, an dem gerechnet wird – nämlich nah an der Quelle der Daten statt im weit entfernten Rechenzentrum. Weitere Informationen zum Thema IoT finden Sie in unserem Beitrag „Die Evolution des Internets der Dinge (IoT)“.
Anders gesagt: Ein Temperatursensor ist IoT. Der Unterschied beim Edge Computing liegt darin, dass Daten nicht ungefiltert in die Cloud gesendet werden. Stattdessen entscheidet ein lokales System direkt vor Ort, welche Informationen wirklich relevant sind. Die beiden konkurrieren also gar nicht. Sie ergänzen sich.
| IoT | Edge Computing | |
|---|---|---|
| Was es ist | Vernetzte Geräte, die Daten erzeugen | Ein Rechenort nah an den Geräten |
| Hauptaufgabe | Erfassen, messen, steuern | Vorverarbeiten, filtern, sofort reagieren |
| Typisches Beispiel | Sensor, Kamera, Wearable | Gateway, Mini-PC, Industrie-Box vor Ort | Lebt ohne das andere? | Ja (schickt alles in die Cloud) | Edge ohne Datenquelle ist sinnlos |
| Falsche Vorstellung | IoT = die Cloud | Edge = ein Ersatz für die Cloud |
Vorteile von IoT
Nachteile von IoT
Vorteile von Edge Computing
Nachteile von Edge Computing
Die Nachteile des einen sind oft die Stärken des anderen – IoT erzeugt das Datenproblem, Edge löst es teilweise und was Edge an Rechenpower fehlt, liefert die Cloud. Deshalb ist die hybride Kombination meist die beste Antwort.
Weil drei sehr reale Probleme dahinterstecken: Geschwindigkeit, Geld und Kontrolle.
Daten werden nicht ohne Verzögerung übertragen. Wenn eine Messung von einem Sensor an ein Cloud-Rechenzentrum gesendet und eine Antwort zurückgegeben wird, entsteht eine messbare Verzögerung, die sogenannte Latenz. Diese wird in der Praxis häufig unterschätzt.
Verschiedene aktuelle Vergleiche kommen auf eine erstaunlich konsistente Spanne: Cloud-Anfragen liegen typischerweise bei 50 bis 200 Millisekunden Round-Trip, unter ungünstigen Bedingungen (Netz-Jitter, mehrere Hops) auch deutlich darüber (PatSnap, 2026). Edge-Verarbeitung dagegen – also direkt vor Ort – landet je nach Setup bei 1 bis 10 Millisekunden (IndMall).
Eine gängige Faustregel dazu lautet: Für einen Round-Trip unter 10 ms müsste das Rechenzentrum innerhalb von rund 200 km stehen – etwas, das zentrale Cloud-Anbieter schlicht nicht garantieren können (Firecell, 2026). Google fand heraus, dass 500 ms mehr Suchlatenz den Umsatz um 20 % drückten; Akamai beziffert schon 100 ms Verzögerung mit etwa 1 % weniger Conversions (NetActuate, 2026).
Für ein selbstfahrendes Auto, eine Roboterzelle in der Fabrik oder eine AR-Brille sind 200 ms eine Ewigkeit. Hier gewinnt Edge – nicht weil es „besser" ist, sondern weil es ganze Netzwege einspart.
Statt uns auf fremde Zahlen zu verlassen, machen wir es selbst – und Sie können das exakt nachstellen. Sie brauchen nur Python und einen Rechner.
```python
import time
import statistics
import requests
# 1) "Cloud"-Pfad: Round-Trip zu einem entfernten Server
def cloud_roundtrip():
t0 = time.perf_counter()
try:
requests.get("https://www.google.com", timeout=5)
return (time.perf_counter() - t0) * 1000 # in Millisekunden
except:
return None
# 2) "Edge"-Pfad: dieselbe Mini-Aufgabe lokal erledigen
def edge_roundtrip():
t0 = time.perf_counter()
sum(i * i for i in range(10_000)) # kleine lokale Rechnung
return (time.perf_counter() - t0) * 1000
cloud = [x for x in (cloud_roundtrip() for _ in range(20)) if x]
edge = [edge_roundtrip() for _ in range(20)]
print(f"Cloud (Median): {statistics.median(cloud):.1f} ms")
print(f"Edge (Median): {statistics.median(edge):.3f} ms")
```
Das ist bewusst simpel gehalten: Der Cloud-Pfad liegt fast immer im zweistelligen bis dreistelligen Millisekundenbereich, der lokale Pfad bei Bruchteilen einer Millisekunde. Genau die Größenordnung, die auch die oben zitierten Studien zeigen. Tauschen Sie die URL gegen einen Server auf einem anderen Kontinent und schauen Sie, wie die Zahl explodiert. Das ist die Distanz, die Edge Computing eliminiert.
IoT erzeugt absurde Datenmengen. Eine vielzitierte IDC-Prognose ging von rund 41,6 Milliarden vernetzten Geräten und 79 Zettabyte Daten im Jahr 2025 aus (IDC via Cablinginstall) – ein Zettabyte ist eine Billion Gigabyte.
Andere Häuser zählen anders (IoT Analytics: ~21,1 Mrd. Geräte, Statista: ~19,8 Mrd. – je nachdem, ob Wearables und Mehrzweckgeräte mitgezählt werden (Information Matters, 2026). Die genauen Zahlen streiten sich, die Größenordnung nicht: zweistellige Milliarden Geräte, Tendenz Verdopplung pro Jahrzehnt.
Jedes Gerät, das Daten vollständig in die Cloud überträgt, verursacht entsprechende Kosten. Rechnen wir es einmal durch:
Beispielrechnung (echte AWS-IoT-Core-Listenpreise, Region US East, Stand 2026, gerundet, ohne Rabatte):
Stellen Sie sich 1.000 Sensoren vor, jeder schickt alle 10 Sekunden eine Messung:
Ein oft übersehener Aspekt ist: AWS rechnet Nachrichten in 5-KB-Blöcken ab. Selbst ein 50-Byte-Schnipsel wird wie 5.000 Byte berechnet (EMQ, 2025). Bei großen Payloads multipliziert sich das stark.
Wenn die Internetleitung ausfällt, steht eine reine Cloud-Lösung still – ein zentraler Server ist ein Single Point of Failure (Firecell, 2026). Ein Edge-Gerät arbeitet weiter, weil die Logik lokal liegt.
Dazu kommt die DSGVO-Realität in Europa: Daten, die das Gebäude nie verlassen, sind Daten, über die Sie sich beim Datenschutz deutlich weniger Sorgen machen müssen. Eine Kamera, die Gesichter vor Ort zu „Person erkannt: ja/nein" verrechnet und nur dieses Ergebnis weitergibt, ist datenschutzrechtlich eine ganz andere Hausnummer als eine, die jeden Frame in die Cloud streamt.
| Ihre Situation | Tendenz |
|---|---|
| Antwort muss unter ~50 ms kommen (Robotik, AR, Fahrzeuge) | Edge |
| Datenmengen sind riesig und Bandbreite/Kosten schmerzen | Edge (vorfiltern!) |
| Leitung ist instabil oder darf nicht ausfallen | Edge | Daten dürfen aus Datenschutzgründen nicht raus | Edge |
| Sie brauchen riesige Rechenpower, ML-Training, globale Analytik | Cloud |
| Sie wollen alle Standorte zentral auswerten und dashboarden | Cloud |
| Realistischer Normalfall | Beides – hybrid |
Die ehrlichste Antwort lautet fast immer: hybrid. Das Edge-Gerät reagiert sofort und filtert; die Cloud bekommt die verdichteten Daten für das große Ganze.
Teltonika hat sich ganz auf kompakte, robuste Mobilfunk-Router für M2M- und IoT-Anwendungen spezialisiert hat – bekannt vor allem für die RUT-Serie, die als günstig, langlebig und flexibel konfigurierbar gilt. Genau diese Geräte eignen sich für Edge: kleine Boxen, die direkt neben den Sensoren sitzen, die Daten lokal vorverarbeiten und nur das Wesentliche weiterschicken.
Die Cisco Catalyst Industrial Wireless Access Points ermöglichen WLAN-Konnektivität sowie Ultra-Reliable Wireless Backhaul für Einsatzorte, an denen keine kabelgebundene Infrastruktur möglich ist – beispielsweise bei mobilen Anlagen oder auf weitläufigen Industriegeländen.
HPE Aruba ist auf WLAN, Switching und Edge-Konnektivität spezialisiert. Die Campus Access Points, vor allem die 750 Serie, gehen bewusst über den reinen WLAN-Standard hinaus und bringen erweiterte IoT-Funktionen mit. Die CX 6200 Serie ist laut HPE explizit für den Unternehmens-Edge gedacht und bietet Layer-3-Access-Switching mit niedriger Latenz und PoE bis 60 W pro Port. Für etwas größere Umgebungen liegt die CX 6300 darüber. Wenn es um raue oder industrielle Umgebungen geht, dann liefert die CX 4100i Serie eine sichere, leistungsfähige Ethernet-Anbindung für IoT- und andere Geräte.
Ein Edge Server ist im Prinzip ein verkleinerter, oft robusterer Server, der nah an der Datenquelle steht statt im zentralen Rechenzentrum – ideal für lokale Analysen in Echtzeit. Er kommt immer dann ins Spiel, wenn ein einfaches Gateway nicht mehr ausreicht, etwa wenn KI-Inferenz direkt vor Ort laufen soll. Damit schließt diese Kategorie die Lücke zwischen kleinem IoT-Gateway und großer Cloud.
IoT-Gateways sind sehr wichtig in einer Edge-Architektur: Sie bündeln viele Sensoren, übersetzen unterschiedliche Protokolle und entscheiden, welche Daten überhaupt in die Cloud wandern.
QNAP und Synology sind die beiden großen Marken für NAS-Systeme, also lokale Speicherserver fürs eigene Netzwerk. Wer seine Daten lokal speichert statt in der Cloud, behält die Kontrolle und erfüllt DSGVO-Anforderungen deutlich leichter.
Fortinet bietet mit den weit verbreiteten FortiGate-Firewalls Sicherheitslösungen zur Absicherung von Netzwerken und einzelnen Edge-Standorten. Edge-Geräte befinden sich definitionsgemäß am Netzrand und sind dadurch potenziell stärker exponiert, weshalb der Einsatz einer Firewall sinnvoll ist.
IoT beschreibt die Datenerfassung, Edge Computing die Verarbeitung näher an der Quelle, während die Cloud für zentrale Analyse und Skalierung genutzt wird. In vielen Szenarien wird eine Kombination dieser Ansätze eingesetzt, um Latenz- und Kostenanforderungen zu erfüllen.
Unser Rat: Bauen Sie das Mini-Setup nach und führen Sie das Skript aus, um die Unterschiede in der Praxis nachvollziehen zu können. Für eine passende Erweiterung der Infrastruktur können die genannten Produkte über das Anfrageformular angefragt werden.
IoT bezeichnet die vernetzten Geräte selbst, die Daten erzeugen – also Sensoren, Kameras oder Maschinen. Edge Computing beschreibt dagegen den Ort, an dem diese Daten verarbeitet werden: nah an der Quelle statt in der weit entfernten Cloud. Kurz: IoT ist das Was, Edge das Wo.
Nein. Edge übernimmt das, was schnell und lokal passieren muss; die Cloud bleibt für rechenintensive Aufgaben, große Analysen und die zentrale Auswertung zuständig. In der Praxis arbeiten beide meist zusammen (hybrid).
Nicht zwingend. Wenn Latenz, Datenmengen oder Datenschutz eine Rolle spielen, lohnt sich Edge fast immer. Für kleine Projekte mit wenigen Sensoren und unkritischen Daten reicht oft auch der direkte Weg in die Cloud.
Es kommt darauf an. Daten, die lokal bleiben, verlassen das Haus nicht – das hilft beim Datenschutz. Gleichzeitig sind verteilte Geräte am Netzrand physisch wie digital angreifbarer und müssen einzeln abgesichert werden.
Ein Gateway bündelt viele Sensoren, übersetzt unterschiedliche Protokolle und entscheidet, welche Daten überhaupt weitergeleitet werden. Es ist damit das typische Gerät, an dem Edge-Verarbeitung stattfindet.
Ja, oft deutlich – weil nur die relevanten Daten übertragen und in der Cloud verarbeitet werden müssen. Wie groß die Ersparnis ausfällt, zeigt die Beispielrechnung weiter oben im Beitrag.
Für erste Experimente genügen ein Raspberry Pi und ein paar günstige Sensoren. Im professionellen Umfeld kommen Industrie-Gateways, robuste Router oder kompakte Edge-Server zum Einsatz.
5G liefert sehr niedrige Latenzen im Funknetz und macht damit Edge-Anwendungen mobil – etwa in Fahrzeugen oder auf weitläufigen Industriegeländen, wo Kabel keine Option sind.
